Python实现获取网站PR及百度权重

我用requests库写的一个抓取页面中链接的简单代码，延伸一下，我们还可以利用它来获取我们网站的pr以及百度权重。原理差不多。最后我们甚至可以写一个循环批量查询网站的相关信息。

先说说googlepr，全称pagerank。它是google官方给出的评定一个网站seo的评级，这个大家应该不陌生。既然是官方给出的，当然有一个官方的接口去获取它。我们这里就利用官方的接口获取谷歌pr。

gpr_hash_seed ="mining pagerank is against google's terms of service. y\
es, i'm talking to you, scammer."

def google_hash(value):
    magic = 0x1020345
    for i in xrange(len(value)):
        magic ^= ord(gpr_hash_seed[i % len(gpr_hash_seed)]) ^ ord(value[i])
        magic = (magic >> 23 | magic << 9) & 0xffffffff
    return "8%08x" % (magic)

def getpr(www):
    try:
        url = 'http://toolbarqueries.google.com/tbr?' \
        'client=navclient-auto&ch=%s&features=rank&q=info:%s' % (google_hash(www) , www)
        response = requests.get(url)
        rex = re.search(r'(.*?:.*?:)(\d+)',response.text)
        return rex.group(2)
    except :
        return none

使用方法：传入域名，返回pr值

google_hash这个函数只是个算法，算出一个域名类似hash值的一个东西并返回。可以不去管它是怎么实现的，我们主要看getpr这个函数。我们google官方给出的接口是这个：http://toolbarqueries.google.com/tbr?client=navclient-auto&ch={hash}&features=rank&q=info:{域名}

{hash}这里我们就使用google_hash()这个函数，传入域名，返回它对应的hash值。比如我们离别歌的域名，它的谷歌hash是8b1e6ad00，于是构造出来的咨询网址是：http://toolbarqueries.google.com/tbr?client=navclient-auto&ch=8b1e6ad00&features=rank&q=info:www.leavesongs.com

访问它，得到rank_1:1:0。第二个引号后面的数字是pr，因为我的站是没有pr的，所以pr为0.

于是，我们使用requests.get()来访问我们这个构造好的url，然后获得类似rank_1:1:0这样的结果，最后通过正则或其他方式得到pr值0。

以上是getpr这个函数的执行过程。再看获取百度权重的过程。

百度权重并不是百度官方给的一个标准，是一些第三方网站计算的一个值，所以并没有像pr一样的接口。所以我们就需要抓取这些第三方网站中的信息了。下面是获取百度权重的函数:

def getbr(www):
    try:
        url = 'http://mytool.chinaz.com/baidusort.aspx?host=%s&sorttype=0' % ( www , )
        response = requests.get(url)
        data = response.text
        rex = re.search(r'(<div class="siteinfo">.+?<font.+?>)(\d*?)(</font>)',data,re.i)
        return rex.group(2)
    except :
        return none

使用方法也是传入域名，返回权重值。

我抓取的是站长工具的一个权重咨询的页面：={域名}&sorttype=0

我的正则就是它：(<div class="siteinfo">.+?<font.+?>)(\d*?)(</font>)，大家可以自己查看源代码看一下，就知道正则怎么写了。

好了，我们来批量获取一下这些网站的pr和权重：

直接看结果：

单一一个进程扫的话速度会略慢，开10个20个线程批量获取的话应该比较快。